[发明专利]一种文字识别训练系统及方法在审
| 申请号： | 201811538406.X | 申请日： | 2018-12-16 |
| 公开（公告）号： | CN109753966A | 公开（公告）日： | 2019-05-14 |
| 发明（设计）人： | 胡杰 | 申请（专利权）人： | 初速度（苏州）科技有限公司 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34;G06K9/62;G06N3/04 |
| 代理公司： | 北京挺立专利事务所(普通合伙) 11265 | 代理人： | 赵振 |
| 地址： | 215131 江苏省苏州市相城区高*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 损失函数 文字识别 训练系统 中文文字 文字识别技术 文字识别系统 训练神经网络 分类 | ||
1.一种文字识别训练系统，其特征在于所述系统包括：
特征提取单元、文字识别单元和损失函数单元；
所述特征提取单元对待识别文字的图片或图像进行特征提取；
所述文字识别单元将输入的所述特征进行文字识别得到识别结果；
所述系统还包括：通过待识别文字的图片或图像的预先标注，与所述识别结果进行对比，并构建损失函数，并存储于损失函数单元，由所述损失函数单元中的所述损失函数逐级反向传导，逐级修正所述文字识别单元和所述特征提取单元；
所述损失函数由两种不同类型的损失函数之和构成。
2.根据权利要求1所述的系统，其特征在于：所述两种不同类型的损失函数分别为序列损失函数和分类损失函数。
3.根据权利要求2所述的系统，其特征在于：所述分类损失函数表达字形相同的文字出现识别错误的概率。
4.根据权利要求2所述的系统，其特征在于：所述系统的损失函数＝a*序列损失函数+b*分类损失函数，其中a、b为权重系数。
5.根据权利要求1-4中任一项所述的系统，其特征在于：所述文字识别单元包括第一文字识别单元和第二文字识别单元，其分别对应列损失函数和分类损失函数。
6.根据权利要求1-5中任一项所述的系统，其特征在于：所述系统还包括映射单元，其通过词典或字典的映射来预测所述识别结果。
7.根据权利要求1-6中任一项所述的系统，其特征在于：所述系统还包括预处理单元，其用于对样本集进行标注以及对所有中文文字进行分类。
8.利用权利要求1-7中任一项的系统进行文字识别的训练方法，其特征在于：所述方法包括以下步骤：
特征提取步骤：对待识别文字的图片或图像进行特征提取；
文字识别步骤：输入的所述特征进行文字识别得到识别结果；
修正步骤：所述系统通过待识别文字的图片或图像的预先标注，与所述识别结果进行对比，并构建所述损失函数，最后由所述损失函数逐级反向传导，逐级修正所述文字识别单元和所述特征提取单元；
所述损失函数由两种不同类型的损失函数之和构成。
9.根据权利要求8所述的方法，其特征在于：所述特征提取单元为卷积神经网络，所述文字识别单元为循环神经网络。
10.根据权利要求8-9中任一项所述的方法，其特征在于：所述两种不同类型的损失函数分别为序列损失函数和分类损失函数。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于初速度（苏州）科技有限公司，未经初速度（苏州）科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811538406.X/1.html，转载请声明来源钻瓜专利网。
